Python 熊猫：如何正确处理df2中的行=df1中的列？

我有以下数据帧

df1

：

   A        B     C    D
0  case 1   1950  1.1  0
1  case 1   1951  1.3  0
2  case 1   1952  1.7  0
3  case 2   1950  1.9  0
4  case 2   1951  1.2  0
5  case 2   1952  1.4  0

我想生成一个数据帧

df2

，如下所示：

  case    1950  1951  1952
C case 1  1.1   1.3   1.7
D case 1  0     0     0
C case 2  1.9   1.2   1.4
D case 2  0     0     0

这是我的尝试：

df2=pd.DataFrame() #Empty final dataframe, "transposed"
cases=['case 1', 'case 2']

for i,s in enumerate(cases): #Iterate over scenario names

    column_c=df1['C'][0+(2*i):2+(2*i)] #Identify the column C series from df1
    column_c_t=column_c.transpose() #Transpose series

    temp=pd.DataFrame({'Case':s}, index=['C','D']) #Empty temp dataframe
    for k,j in enumerate(range(1950,1953)): #Range of years as columns
        temp.insert(loc=k+1,column=str(j),value=0) #Add columns with years with initial value=0

    for index, row in df1.iterrows(): #Iterate over the original dataframe
        temp.loc["C":"C",1950:1952]=column_c_t
        temp.loc["D":"D",1950:1952]=0

    df2=df2.append(temp) 

当Python返回时，这会失败

ValueError                                Traceback (most recent call last)
<ipython-input-66-f175a2667647> in <module>()
     11 
     12     for index, row in ebsd3.iterrows(): #Iterate over the original dataframe
---> 13         temp.loc["C":"C",1950:1952]=column_c_t
     14         temp.loc["D":"D",1950:1952]=0
     15 

~\AppData\Local\conda\conda\envs\my_root\lib\site-packages\pandas\core\indexing.py in __setitem__(self, key, value)
    192             key = com._apply_if_callable(key, self.obj)
    193         indexer = self._get_setitem_indexer(key)
--> 194         self._setitem_with_indexer(indexer, value)
    195 
    196     def _has_valid_type(self, k, axis):

~\AppData\Local\conda\conda\envs\my_root\lib\site-packages\pandas\core\indexing.py in _setitem_with_indexer(self, indexer, value)
    597 
    598                     if len(labels) != len(value):
--> 599                         raise ValueError('Must have equal len keys and value '
    600                                          'when setting with an iterable')
    601 

ValueError: Must have equal len keys and value when setting with an iterable

ValueError回溯（最近一次调用）
在（）
11
12对于索引，ebsd3.iterrows（）中的行：#迭代原始数据帧
--->13临时位置[“C”：“C”，1950:1952]=列
14温度位置[“D”：“D”，1950:1952]=0
15
~\AppData\Local\conda\conda\envs\my\u root\lib\site packages\pandas\core\index.py in\uuuuuuuuu setitem\uuuuuuuu（self、key、value）
192 key=com.\u如果可调用，则应用（key，self.obj）
193 indexer=self.\u get\u setitem\u indexer（键）
-->194 self.\u setitem\u带索引器（索引器，值）
195
196 def_具有有效的_类型（self、k、axis）：
~\AppData\Local\conda\conda\envs\my\u root\lib\site packages\pandas\core\index.py在\u setitem\u中使用\u索引器（self，indexer，value）
597
598如果透镜（标签）！=len（值）：
-->599 raise value ERROR（'必须具有相等的len键和值'
600'当设置为iterable'时）
601
ValueError：使用iterable设置时，必须具有相等的len键和值

我认为我做错的是将

列

系列

df1

分配给

df2

的行

c

。如有任何见解，将不胜感激。

melt+pivot\u表 你应该寻找一个矢量化的解决方案。这里有一种方法可以使用

pd.melt

+

pd.pivot\u table

res = pd.melt(df, id_vars=['A', 'B'], value_vars=['C', 'D'])\
        .pivot_table(index=['variable', 'A'], columns='B',
                     values=['variable'], aggfunc='sum')\
        .reset_index().sort_values(['A', 'variable'])

res.columns = res.columns.droplevel()

print(res)

B            1950  1951  1952
0  C  case1   1.1   1.3   1.7
2  D  case1   0.0   0.0   0.0
1  C  case2   1.9   1.2   1.4
3  D  case2   0.0   0.0   0.0

---

I take

variable

是您为我手头的变量使用虚拟名称的方式。正确吗？熊猫创建一个

变量

列作为

melt

的一部分。你可以将每一步分开，看看发生了什么（链接的美妙之处）。